本研究探讨了评审者多样性对同侪评审的影响，旨在提高评审覆盖率和减少冗余。通过分析5000篇论文的数据，发现主题多样性和出版网络多样性对评审视角的多样化有显著促进作用，为评审者分配提供了指导。

本研究提出了一种新的对比学习方法，通过将其作为基于梯度的多目标优化问题，实现了平衡ELBO和对比目标的帕累托稳定解。实验证明，该框架在主题连贯性、主题多样性和下游性能方面始终产生更高性能的神经主题模型。